python之numpy数组形状的差异

对于数组:

import numpy as np 
arr2d = np.array([[1,2,3],[4,5,6],[7,8,9]]) 
>>> arr2d 
array([[1, 2, 3], 
       [4, 5, 6], 
       [7, 8, 9]]) 
>>> arr2d[2].shape 
(3,) 
>>> arr2d[2:,:].shape 
(1, 3) 

当两个语句都返回第 3 行时，为什么我得到不同的形状？在这两种情况下，结果不应该是 (1,3) 因为我们返回的是包含 3 列的单行吗？

请您参考如下方法:

Why do I get different shapes when both statements return the 3rd row?

因为第一个操作是索引行，并且只选择一个元素，这在 single-element indexing 中提到过多维数组的段落 - 返回具有较低维度的数组(一维数组)。

在第二个示例中，您使用的是 slice如冒号所示。切片操作不会减少数组的维度。这也是合乎逻辑的，因为想象一下数组不会有 3 行而是 4 行。然后 arr2d[2:,:].shape 将是 (2,3)。 numpy 的开发人员使切片操作保持一致，因此他们(切片)永远不会减少数组的维数。

and shouldn't the result be (1,3) in both cases since we are returning a single row with 3 columns?

不是，只是因为前面的原因。